典型文献
面向教育领域的基于SVR-BiGRU-CRF中文命名实体识别方法
文献摘要：
在教育领域中,命名实体识别在机器自动提问和智能问答等相关任务中都有应用.传统的中文命名实体识别模型需要改变网络结构来融入字和词信息,增加了网络结构的复杂度.另一方面,教育领域中的数据对实体边界的识别要十分精确,传统方法未能融入位置信息,对实体边界的识别能力较差.针对以上的问题,该文使用改进的向量表示层,在向量表示层中融合字、词和位置信息,能够更好地界定实体边界和提高实体识别的准确率,使用BiGRU和CRF分别作为模型的序列建模层和标注层进行中文命名实体识别.该文在Resume数据集和教育数据集(Edu)上进行了实验,F1值分别为95.20％ 和95.08％.实验结果表明,该文方法对比基线模型提升了模型的训练速度和实体识别的准确性.
文献关键词：
中文命名实体识别;BiGRU-CRF;简单向量表示层(SVR)
中图分类号：
作者姓名：
张召武;徐彬;高克宁;王同庆;张乔乔
作者机构：
东北大学计算机科学工程学院,辽宁沈阳110179
文献出处：
引用格式：
[1]张召武;徐彬;高克宁;王同庆;张乔乔-.面向教育领域的基于SVR-BiGRU-CRF中文命名实体识别方法)[J].中文信息学报,2022(07):114-122
A类：
B类：
SVR,BiGRU,CRF,中文命名实体识别,实体识别方法,提问,智能问答,识别模型,词信息,位置信息,识别能力,向量表示,表示层,地界,高实,序列建模,层进,Resume,教育数据,Edu,方法对比,比基,基线模型,训练速度
AB值：
0.241559
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
